对于ai企业来说，gpu等计算资源昂贵，如何提高资源利用率，保护计算力投资？如何解决资源抢占，保证资源使用公平合理？如何减少等待时间，提高模型训练效率……这些问题都关系着研发创新的进度。且看浪潮aistation人工智能开发平台用三招“组合拳”打破计算力壁垒，加速企业ai开发进程。
某企业ai开发面临的问题
某企业有四台8卡gpu服务器供50位开发人员使用，典型的人多资源少。具体来说，有以下几大问题：
人均不足一张gpu卡，gpu使用需要相互协调，开发效率低；每十多人为一个小组共用一个gpu节点，可能使有的小组资源空闲而有的小组却无资源可用，造成资源孤岛；缺乏优先机制，重要任务无法得到及时提交；在白天gpu卡几乎全部用于开发环境创建，开发人员只能在晚上提交训练任务，模型训练数量非常有限。
aistation三招解决企业算力问题
aistation是面向ai企业开发场景的人工智能资源平台，可通过资源配额、gpu共享、排队托管三招“组合拳”，智能化分配gpu计算资源，提高资源利用率，帮助用户提高开发效率。
首先，aistation收拢分散的计算资源，提供集群式的池化管理，并设置资源配额策略，实现多用户公平均衡使用资源。
aistation将开发用户划分为5个用户组，每个用户组10人，并根据业务需求设置每组和每个用户的使用配额，如可设置每组使用6张gpu卡、40个cpu核。并对每个用户的开发环境使用时长、同时提交任务数量进行限制。
其次，aistation通过gpu共享策略，可以让多人共用一张gpu卡且互不影响。
aistation统一管理4台gpu节点，将其中2个节点的16张gpu卡设置为开发资源组，用于开发环境创建，剩下16张gpu卡为训练资源组，用于模型训练。通过共享策略，aistation可将开发资源组的每张gpu卡切分为8份，每份使用4g显存。这样原来的16张gpu卡相当于变为了128张卡。并且通过设置cpu超线程策略扩展cpu核数，满足50个用户同时创建开发环境的需求。用户也可以根据自己的模型设置batchsize和显存使用的大小。
最后，aistation通过任务排队托管、定义任务优先级，充分利用空闲时间训练任务，并且可根据优先级调度任务排队运行。
用户可同时提交多个训练任务，资源不足时排队等待，一个任务训练结束后自动释放资源给排队等待的任务，从而可以充分利用夜间、周末训练任务，延长gpu的使用时间。同时用户可设置优先级，让重要任务优先训练。
aistation取得显著效果
gpu使用时间加大近1倍。原来单个gpu节点分配给一个用户小组使用，每卡每天的平均使用时间仅为14．4小时。aistation通过gpu共享、任务托管，解决资源孤岛，将每卡每天的平均使用时间提升到22．8小时。
gpu利用率提升50％。原来用户在开发阶段独占一张gpu，gpu利用率仅为10％，训练阶段可达90％，每天每卡的平均利用率为30％。使用aistation后，开发阶段8人共用一张gpu卡，gpu利用率可上升为80％，训练阶段为90％，每天每卡的利用率可达到80％。
每周训练任务的数量增大一倍多。假设提交一个imagenet数据集和一个resnet50模型，使用1张tesla v100 gpu卡训练任务，每个任务的训练时间大概为12小时。
原来因为人均不够一张卡， 白天gpu卡用于创建开发环境，晚上才能训练任务，那么一个工作日可以完成的任务数最多为32个，即一周可以完成160个任务。
而aistation支持任务排队，可以最大限度的使用gpu资源。一周可以完成368个任务数，效率提升2．3倍。假设开发团队单个项目平均需要训练的任务数为50，那么每个月的项目完成数从3个提升到7个。
可以看出，浪潮aistation通过对计算资源的高效管理、调度，在gpu使用时间、利用率和训练任务数量上，相比原方案均实现了大幅提升，最大化地优化了资源使用。
浪潮aistation人工智能资源平台面向ai企业开发场景，致力于帮助企业构建一体化的ai开发平台，为ai开发工程师提供高效的计算力支撑、精准的资源管理和调度、敏捷的数据整合及加速、流程化的ai开发业务整合，助力ai企业提高开发效率和产品上市速度，增强企业竞争力。
除了高效的资源管理，aistation在开发环境创建、数据管理、开发流程管理等方面也表现出色。在后续文章中，我们将结合实际应用场景为大家详细介绍，敬请关注。

---